Tensorflow - learning rate를 optimizers에서 셋팅하는 코드

learning rate를 optimizers에서 셋팅하는 코드

 

 

 

 

# 인공지능 모델링 코드
def build_model() :
  model = Sequential()
  model.add(Dense(units= 64, activation='relu', input_shape=(8, ))) # input_shape은 X_train.shape을 봐야 함
  model.add(Dense(units= 64, activation='relu'))
  model.add(Dense(units=1, activation='linear'))
  
  # 옵티마이저의 learning rate 를 설정하는 방법
  model.compile(tf.keras.optimizers.RMSprop(learning_rate=0.001) , loss = 'mse', metrics=['mse', 'mae'])
  # loss function을 결정하는건 분류의 문제인지 리그레션 문제인지 구분해서 결정한다. 분류의 문제는 정확도 검증을 accuracy , 리그레션 정확도 검증은 mse, mae
  # 검증은 epoch 한번 끝날때마다 찍힌다.
  return model